Perbedaan antara Regresi Linier dan Regresi Logistik
Regresi linear adalah metode statistik yang digunakan untuk memodelkan hubungan antara satu atau lebih variabel independen (prediktor) dengan variabel dependen (respons). Tujuan utama dari regresi linear adalah untuk menemukan garis lurus (linear) yang paling cocok yang bisa memprediksi atau menjelaskan variabel dependen berdasarkan variabel independen.
Regresi logistik adalah metode statistik yang digunakan untuk memodelkan hubungan antara satu atau lebih variabel independen (prediktor) dengan variabel dependen yang bersifat kategorikal (biasanya biner). Dalam regresi logistik, variabel dependen biasanya bernilai 0 atau 1, seperti “sukses/gagal”, “ya/tidak”, atau “benar/salah”.
Berikut adalah penjelasan tentang perbedaan antara Regresi Linier dan Regresi Logistik :
Regresi Linier
- Regresi Linier ,digunakan ketika variabel dependen bersifat kontinu (misalnya, harga rumah, berat badan, dll.). Variabel dependen dapat memiliki nilai dalam rentang yang luas, termasuk bilangan negatif dan desimal.
- Regresi Linier,outputnya adalah nilai prediksi yang dapat berupa nilai apapun di sepanjang garis lurus (dalam rentang tak terbatas).
- Regresi Linier: Mengasumsikan bahwa residual (error) terdistribusi normal, variabel dependen dan independen memiliki hubungan linear, dan varians dari residual (homoskedastisitas) adalah konstan.
Regresi Logistik
- Regresi Logistik digunakan ketika variabel dependen bersifat kategorikal, terutama biner (misalnya, sukses/gagal, ya/tidak). Variabel dependen hanya memiliki dua nilai, seperti 0 atau 1.
- Regresi Logistik,outputnya adalah probabilitas antara 0 dan 1. Untuk memutuskan apakah hasil akhirnya adalah 0 atau 1, biasanya digunakan threshold, seperti 0,5.
- Regresi Logistik,tidak mengasumsikan hubungan linear antara variabel dependen dan independen, dan tidak memerlukan residual yang terdistribusi normal. Sebaliknya, regresi logistik mengasumsikan hubungan logistik antara variabel independen dan probabilitas kejadian.